PatronusAI 开源 GlobeBench 测 LLM 模拟能力

Patronus AI 开源 GlobeBench（arXiv:2610.22708），这是首个评测文本世界模型作为可扩展强化学习环境模拟器的标准化基准，包含 1632 项任务，用于测试 LLM 能否逼真模拟 RL 环境并直接在其上训练智能体。对 20 个 LLM 的评测显示，最强的头部模型成功率也不足 50%，说明 LLM 充当世界模型仍有明显差距。

2026-11-06 ~ 2026-11-07 · 3 条相关

• Patronus 开源 GlobeBench:1632 个任务测 LLM 能否模拟 RL 环境 — teortaxesTex · 2026-11-06
• GlobeBench 基准:20 个 LLM 当世界模型,最强成功率不足 50% — mariyaivasileva · 2026-11-07

另有 1 条近重复转述:cephaloform